Programmation python 9

Quiz

• Une réponse au quiz demande l'identification du numéro d'une arme effacée, suivant un format précis : une ou deux lettres, suivies de quatre chiffres.
• La solution implique de chercher des chiffres avec un arrondi en bas (3) et dont le deuxième chiffre a une barre horizontale au-dessus (3).
• La réponse est donc une combinaison de lettres (A[A-Z]) et de chiffres (33).

Fichiers Binaires vs. Textuels

• Un fichier est une séquence d'éléments binaires (bits, 0 ou 1).
• Ces bits sont généralement groupés en octets (bytes) de 8 bits.
• Un octet peut être représenté en binaire (base 2), décimal (base 10) ou hexadécimal (base 16).
• Un fichier peut être interprété comme une suite brute de bits ou comme du texte (chaîne de caractères).

Encodage : ASCII

• L'encodage permet la conversion entre caractères et octets, et vice versa.
• L'encodage est l'interprétation d'une suite de bits sous forme de caractères.
• L'encodage utilisé doit être spécifié pour interpréter correctement un fichier textuel.
• ASCII est l'encodage d'origine, utilisant les 7 bits de droite d'un octet (qui en contient 8).

Encodage ASCII étendu

• L'ASCII étendu préserve les 128 premiers caractères et utilise les 128 "cases" restantes pour d'autres caractères.
• Des exemples d'ASCII étendu incluent Western (ISO 8859-1), Western (Mac Roman) et Arabic (ISO-8859-6).
• Il est impératif de spécifier l'encodage pour interpréter correctement un fichier textuel.

Encodage Unicode (UTF-8)

• L'encodage permet d'éviter l'affichage incorrect de caractères.
• L'UTF-8 peut représenter les caractères de tous les alphabets et symboles.
• Il utilise un nombre variable d'octets par caractère (un seul pour l'ASCII).
• L'UTF-8 est le standard actuel et en avril 2025, 98,6 % des pages web l'utilisent et était de 94,7% en 2020 .

Méthodologie d'Encodage

• Il est recommandé de travailler avec des données encodées en UTF-8.
• Si des données externes sont dans un autre encodage, il faut les convertir immédiatement en UTF-8.
• Il faut connaître l'encodage d'origine des données externes.
• L'encodage par défaut est UTF-8, mais il peut être configuré différemment.
• Les fichiers peuvent être traités comme des caractères (str) ou des octets (bytes).
• Il faut préciser l'encodage lors de l'ouverture du fichier si différent de la valeur par défaut.
• Les fonctions decode (bytes→str) et encode (str→bytes) servent à passer de str à bytes, en spécifiant l'encodage et la gestion des erreurs (strict, ignore, replace).
• Exemple: f = open('western.txt', 'r', encoding='ISO8859-1')

Utilité des fonctions decode() et encode()

• La fonction decode('ISO8859-1') convertit un objet de type bytes en type str. Exemple: s = b.decode('ISO8859-1') # b est de type bytes, s de type str
• La fonction encode('ISO8859-6', 'ignore') convertit un objet de type str en type bytes, ignorant les caractères problématiques. Exemple: b = s.encode('ISO8859-6', 'ignore') # ignore les caractères problématiques
• L'UTF-8 (récent) ou l'ASCII (ancien) sont préférables pour une meilleure compatibilité.
• La commande unicodedata.normalize('NFKD', s).encode('ASCII', 'ignore') supprime les caractères accentués pour l'ASCII.
• 'unicode_escape' représente les octets problématiques avec leur valeur hexadécimale.

Format de Fichiers

• Un programme reçoit généralement des paramètres et des données en entrée (des fichiers ou une suite de caractères via l'entrée standard).

Format CSV (Comma-Separated Values)

• Les valeurs sont séparées par des virgules.
• Chaque ligne représente une entrée avec plusieurs valeurs.
• Le format CSV est répandu et basique.
• Il est idéal pour les données issues de tableurs, mais ne convient pas aux données complexes.
• Un fichier CSV peut contenir une ligne d'en-tête donnant les noms des colonnes.
• Différents séparateurs ("," ";" " " "\t") peuvent être utilisés, et les valeurs peuvent être mises entre guillemets.
• Il est possible d'utiliser un DictReader pour récupérer une entrée sous forme de dictionnaire, avec les noms de colonnes comme clés (l'en-tête est alors obligatoire).
• Un Sniffer peut être utilisé pour détecter automatiquement le format du fichier CSV.
• Par défaut, csv.writer est configuré pour respecter les normes d'Excel.
• L'option quoting définit la politique d'utilisation des guillemets (QUOTE_MINIMAL : uniquement quand c'est nécessaire, QUOTE_ALL : toujours).
• Il est également possible d'utiliser des dictionnaires avec DictWriter, nécessitant la spécification de l'en-tête.

Format JSON (JavaScript Object Notation)

• JSON n'est pas structuré et correspond a une imbrication de type listes et dictionnaires.
• C'est un format idéal pour les données complexes ou de type "objets".

Fonctions relatives au format JSON

• Les fonctions load() et loads() servent à lire un fichier ou des données JSON, en ouvrant un fichier en lecture ou à partir d'une chaîne de caractères.
• L'objet résultant est une imbrication de listes et de dictionnaires.
• Les fonctions dump() et dumps() servent à écrire des données au format JSON dans un fichier ou à partir d'une chaîne de caractères.
• On passe en argument un objet de type liste ou dictionnaire.
• Des paramètres comme separators (séparateurs pour listes et dictionnaires) et indent (indentation) peuvent être spécifiés.

Format XML (Extensible Markup Language)

• XML (Extensible Markup Language est un format qui est basé sur les balises (markups)
• Les elements XML doivent avoir une balise ouvrantes et une balise fermante
• Possède des attributs qui sont spécifiés dans la balise d'ouverture
• Le contenu peut aussi être d'autre elements (enfants)
• Ce format est largement utilisé, en particulier par les API Web

Elements et les fonction XML

• find() et findall() permettent d'analyser les elements et enfants
• Elles renvoient respectivement la première occurrence d'un type d'élément ou toutes (une liste) du sous element en question

Format HTML (HyperText Markup Language)

• HTML est un dérivé du XML plus simple
• Une page peut être affichée si le langage HTML est légèrement différent
• Il definit les propriétés et le contenu
• Les balises utilisées dans l'élément <body> décrivent des éléments structurels ou graphiques.
• Exemples de balises: <h1>, <h2> pour les titres, <p> pour les paragraphes, <table>, <tr>, <td> pour les tableaux, <ul>, <li> pour les listes, <a href="..."> pour les liens.
• L'analyse de fichiers XML ne marche pas en pratique pour les pages web, il faut utiliser un module spécifique et regarder les éléments et sous-éléments.